推荐中的多视图多行为对比学习

信息检索 2022-03-22 v1 人工智能机器学习

作者: Yiqing Wu , Ruobing Xie , Yongchun Zhu , Xiang Ao , Xin Chen , Xu Zhang , Fuzhen Zhuang , Leyu Lin , Qing He

摘要

多行为推荐 (MBR) 旨在联合考虑多种行为以提升目标行为的性能。我们认为 MBR 模型应当：(1) 对用户不同行为间的粗粒度共性进行建模，(2) 在多行为建模中同时考虑个体序列视图与全局图视图，(3) 捕捉用户多种行为间的细粒度差异。本工作中，我们提出一种新颖的多行为多视图对比学习推荐 (MMCLR) 框架，包含三个新的对比学习 (CL) 任务分别应对上述挑战。多行为 CL 旨在使同一用户在各视图下的不同单行为表示相似。多视图 CL 试图弥合用户序列视图与图视图表示间的鸿沟。行为区分 CL 聚焦于建模不同行为的细粒度差异。实验中，我们在两个真实数据集上进行了充分的评估与消融测试，验证了 MMCLR 及各类 CL 任务的有效性，相较现有基线取得了 SOTA 性能。我们的代码将发布于 \url{https://github.com/wyqing20/MMCLR}。

关键词

多行为推荐对比学习多视图学习序列视图图视图 MMCLR SOTA

引用

@article{arxiv.2203.10576,
  title  = {Multi-view Multi-behavior Contrastive Learning in Recommendation},
  author = {Yiqing Wu and Ruobing Xie and Yongchun Zhu and Xiang Ao and Xin Chen and Xu Zhang and Fuzhen Zhuang and Leyu Lin and Qing He},
  journal= {arXiv preprint arXiv:2203.10576},
  year   = {2022}
}

备注

DASFAA 2022 Main Conference Long Paper

推荐中的多视图多行为对比学习

摘要

关键词

引用

备注

相关论文